Investigating the Effect of Parallel Data in the Cross-Lingual Transfer for Vision-Language Encoders

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3A10511625" target="_blank" >RIV/00216208:11320/25:10511625 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-032-02551-7_11" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-032-02551-7_11</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-032-02551-7_11" target="_blank" >10.1007/978-3-032-02551-7_11</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Investigating the Effect of Parallel Data in the Cross-Lingual Transfer for Vision-Language Encoders

Popis výsledku v původním jazyce

Most pre-trained Vision-Language (VL) models and training data for the downstream tasks are only available in English. Therefore, multilingual VL tasks are solved using cross-lingual transfer: fine-tune a multilingual pre-trained model or transfer the text encoder using parallel data. We study the alternative approach: transferring an already trained encoder using parallel data. We investigate the effect of parallel data: domain and the number of languages, which were out of focus in previous work. Our results show that even machine-translated task data are the best on average, caption-like authentic parallel data outperformed it in some languages. Further, we show that most languages benefit from multilingual training.

Název v anglickém jazyce

Investigating the Effect of Parallel Data in the Cross-Lingual Transfer for Vision-Language Encoders

Popis výsledku anglicky

Most pre-trained Vision-Language (VL) models and training data for the downstream tasks are only available in English. Therefore, multilingual VL tasks are solved using cross-lingual transfer: fine-tune a multilingual pre-trained model or transfer the text encoder using parallel data. We study the alternative approach: transferring an already trained encoder using parallel data. We investigate the effect of parallel data: domain and the number of languages, which were out of focus in previous work. Our results show that even machine-translated task data are the best on average, caption-like authentic parallel data outperformed it in some languages. Further, we show that most languages benefit from multilingual training.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

28th International Conference on Text, Speech and Dialogue (Part II)

ISBN

978-3-032-02551-7

ISSN

—

e-ISSN

—

Počet stran výsledku

13

Strana od-do

115-127

Název nakladatele

Springer

Místo vydání

Cham, Switzerland

Místo konání akce

Erlangen, Germany

Datum konání akce

25. 8. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001576349100010